Fugu-MT 論文翻訳(概要): Floating Radiance Networks

論文の概要: Floating Radiance Networks

arxiv url: http://arxiv.org/abs/2608.05920v1
Date: Thu, 06 Aug 2026 11:50:01 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-07 15:25:20.89651
Title: Floating Radiance Networks
Title（参考訳）: Floating Radiance Networks
Abstract要約: FlaReは、明示的な線追跡可能な幾何学と連続した神経放射関数を組み合わせた神経シーン表現である。シーン全体で共有される軽量デコーダは、このディスクリプタ、局所的な表面座標、色と不透明度に対する方向をマッピングする。
参考スコア（独自算出の注目度）: 9.113967709616503
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Recent advances in neural scene representations enable photorealistic novel-view synthesis, yet most methods remain tightly coupled to a single rendering paradigm, limiting their versatility and integration with conventional graphics workflows. We introduce Floating Radiance Networks (FlaRe), a neural scene representation combining explicit ray-traceable geometry with continuous neural radiance functions. A scene is represented by floating planar generalized Gaussian primitives, each carrying a compact latent descriptor of a local radiance field. A lightweight decoder shared across the scene maps this descriptor, local surface coordinates, and viewing direction to color and opacity. This formulation preserves the expressiveness of neural fields while providing an explicitly addressable structure that can be efficiently queried and manipulated. Hardware-accelerated primitive intersections enable interactive rendering and recursive ray-tracing, including reflections, refractions, transparency, and shadows. The same representation further supports primitive-level deformation, mesh extraction, and appearance stylization directly in its learned descriptor space. Experiments across standard reconstruction benchmarks demonstrate competitive rendering quality while using a compact set of primitives. Together, these results establish FlaRe as a versatile representation that brings high-fidelity neural rendering, ray-tracing, geometric manipulation, and appearance editing into a unified scene model. Source code is available online. Source code can be found at: https://github.com/KByrski/FlaRe
Abstract（参考訳）: ニューラルシーン表現の最近の進歩は、フォトリアリスティックなノベルビュー合成を可能にするが、ほとんどの手法は単一のレンダリングパラダイムに強く結びついており、その汎用性と従来のグラフィックワークフローとの統合を制限している。 FlaRe(Floating Radiance Networks)は、露光線追跡可能な幾何と連続したニューラルレイディアンス関数を組み合わせたニューラルシーン表現である。シーンは浮動平面一般化ガウス原始体で表現され、それぞれが局所放射場のコンパクトな潜在記述子を持っている。シーン全体で共有される軽量デコーダは、このディスクリプタ、局所的な表面座標、色と不透明度に対する方向をマッピングする。この定式化は、ニューラルネットワークの表現性を保ちつつ、効率的にクエリし、操作できる明示的なアドレス可能な構造を提供する。ハードウェアが加速するプリミティブな交差点は、反射、屈折、透明、影を含むインタラクティブなレンダリングと再帰的なレイトレーシングを可能にする。同じ表現は、プリミティブレベルの変形、メッシュ抽出、および学習ディスクリプタ空間での外観スタイリングを直接サポートする。標準再構成ベンチマークによる実験は、コンパクトなプリミティブセットを使用しながら、競争力のあるレンダリング品質を示す。これらの結果とともに、FraReは、高忠実度ニューラルネットワークレンダリング、レイトレーシング、幾何学的操作、外観編集を統一されたシーンモデルにもたらす、汎用的な表現として確立されている。ソースコードはオンラインで入手できる。ソースコードは:https://github.com/KByrski/FlaRe

関連論文リスト

Radiance Meshes for Volumetric Reconstruction [56.51690637804858]
一定の密度の四面体を持つ放射場を表現する手法である放射メッシュを導入する。本モデルでは,合成とレイトレーシングの両方を用いて,高精度かつ高速なボリュームレンダリングを行うことができる。我々のレンダリング手法はボリューム方程式を正確に評価し、標準のコンシューマハードウェア上で高品質でリアルタイムなビューを可能にする。
論文参考訳（メタデータ） (2025-12-03T18:57:03Z)
Inverse Image-Based Rendering for Light Field Generation from Single Images [30.856397422416517]
逆画像ベースレンダリングという,単一の画像のみからの光場生成のための新しいビュー合成手法を提案する。画像ベースのレンダリングとは逆の振る舞いをする画像画素から空間内の光の流れを再構成する。我々のニューラルは、まず入力画像から光源線の光の流れを記憶し、その後、交叉アテンションを通してそれらの関係を計算する。
論文参考訳（メタデータ） (2025-10-23T02:12:45Z)
DNS SLAM: Dense Neural Semantic-Informed SLAM [92.39687553022605]
DNS SLAMは、ハイブリッド表現を備えた新しいRGB-DセマンティックSLAMアプローチである。本手法は画像に基づく特徴抽出と多視点幾何制約を統合し,外観の細部を改良する。実験により, 合成データと実世界のデータ追跡の両面において, 最先端の性能が得られた。
論文参考訳（メタデータ） (2023-11-30T21:34:44Z)
FLARE: Fast Learning of Animatable and Relightable Mesh Avatars [64.48254296523977]
私たちのゴールは、幾何学的に正確で、リアルで、楽しい、現在のレンダリングシステムと互換性のあるビデオから、パーソナライズ可能な3Dアバターを効率的に学習することです。単眼ビデオからアニマタブルアバターとリライトブルアバターの作成を可能にする技術であるFLAREを紹介する。
論文参考訳（メタデータ） (2023-10-26T16:13:00Z)
NeAI: A Pre-convoluted Representation for Plug-and-Play Neural Ambient Illumination [28.433403714053103]
ニューラル環境照明(NeAI)という枠組みを提案する。 NeAIは、物理的な方法で複雑な照明を扱うための照明モデルとしてNeRF(Neural Radiance Fields)を使用している。実験は、以前の作品と比較して、ノベルビューレンダリングの優れたパフォーマンスを示す。
論文参考訳（メタデータ） (2023-04-18T06:32:30Z)
Cascaded and Generalizable Neural Radiance Fields for Fast View Synthesis [35.035125537722514]
ビュー合成のためのカスケードおよび一般化可能なニューラル放射場法であるCG-NeRFを提案する。 DTUデータセットの複数の3DシーンでCG-NeRFをトレーニングする。 CG-NeRFは、様々な合成および実データに対して、最先端の一般化可能なニューラルネットワークレンダリング手法より優れていることを示す。
論文参考訳（メタデータ） (2022-08-09T12:23:48Z)
Generalizable Patch-Based Neural Rendering [46.41746536545268]
未知のシーンの新たなビューを合成できるモデル学習のための新しいパラダイムを提案する。本手法は,シーンから採取したパッチの集合からのみ,新規シーンにおける対象光線の色を直接予測することができる。本手法は,従来よりも少ないデータでトレーニングされた場合であっても,目立たないシーンの新たなビュー合成において,最先端のビュー合成よりも優れていることを示す。
論文参考訳（メタデータ） (2022-07-21T17:57:04Z)
Extracting Triangular 3D Models, Materials, and Lighting From Images [59.33666140713829]
多視点画像観測による材料と照明の協調最適化手法を提案する。従来のグラフィックスエンジンにデプロイ可能な,空間的に変化する材料と環境を備えたメッシュを活用します。
論文参考訳（メタデータ） (2021-11-24T13:58:20Z)
TRANSPR: Transparency Ray-Accumulating Neural 3D Scene Point Renderer [6.320273914694594]
本稿では,半透明シーンをモデル化可能なニューラルポイントベースグラフィックス手法を提案し,評価する。半透明な点雲のシーンの新たなビューは、我々のアプローチでトレーニングした後に生成できることを示す。
論文参考訳（メタデータ） (2020-09-06T21:19:18Z)
Neural Reflectance Fields for Appearance Acquisition [61.542001266380375]
シーン内の任意の3次元点における体積密度, 正規および反射特性をエンコードする新しい深部シーン表現であるニューラルリフレクタンス場を提案する。我々はこの表現を、任意の視点と光の下でニューラルリフレクタンスフィールドから画像を描画できる物理的にベースとした微分可能光線マーチングフレームワークと組み合わせる。
論文参考訳（メタデータ） (2020-08-09T22:04:36Z)
NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis [78.5281048849446]
本稿では,複雑なシーンの新たなビューを合成する手法を提案する。提案アルゴリズムは,完全接続型(非畳み込み型)深層ネットワークを用いたシーンを表現する。ボリュームレンダリングは自然に微分可能であるため、表現を最適化するのに必要な唯一の入力は、既知のカメラポーズを持つ画像の集合である。
論文参考訳（メタデータ） (2020-03-19T17:57:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。